上腹部CT检查是上腹部疾病检查的重要手段之一，广泛应用于临床，CT图像质量高低对临床诊断效能有重要影响。多年来，CT技术领域的发展一直围绕探测器宽度、扫描剂量降低、重建算法优化几个方面。自适应统计迭代重建（adaptive statistical iterative reconstruction，ASIR）是应用最广泛的重建技术之一^[1-4]，它是一种混合算法，利用滤波反投影得到的图像信息作为迭代重建的基础来优化图像质量，在不影响图像分辨率的前提下降低图像噪声、改善图像质量^[5]。最近，深度学习（deep learning，DL）在医学影像领域取得许多进展，引起广泛关注。在图像质量提高方面，基于DL的算法性能更优于传统算法^[6-9]。

本研究使用了基于深度卷积神经网络的DL算法，该算法采用了人工智能CT图像处理技术TrueFidelity^TM，提供了低、中、高（DL-L，DL-M，DL-H）3个重建强度等级来控制图像噪声和质量，在图像质量、扫描辐射剂量和重建速度方面优于现有的临床常用算法。本研究通过客观评价和主观评价，分析不同权重的ASIR和不同等级的DL算法所重建图像的质量，评估DL重建算法在上腹部成像中的应用价值。

1.   资料与方法

1.1   研究对象

回顾性纳入2021年3月至4月在四川大学华西医院进行上腹部CT平扫患者的图像。纳入标准：①体质指数（body mass index，BMI）18.5～29.9 kg/m²；②年龄：18～90岁。排除标准：①图像伪影干扰严重（如呼吸运动伪影、上肢伪影干扰等），图像质量差；②严重上腹部占位性病变，如肝癌、胰腺肿瘤等。

根据以上标准，最后共纳入患者75例，其中男性44例，女性31例，年龄18～90岁，平均年龄（55.49±16.06）岁；BMI范围18.66～29.75 kg/m²，平均BMI（22.67±3.87）kg/m²。

1.2   检查方法

1.2.1   扫描方案

所有患者的上腹部CT扫描均在同一台CT机（GE公司，Revolution Apex）上完成，去除被检部位金属物品，非被检部位进行合理辐射防护，采用头先进仰卧位，双手上举，吸气后屏气扫描，扫描范围从膈顶到肝下缘。管电压120 kV、自动管电流调制，扫描层厚5 mm，重建层厚0.625 mm。

1.2.2   图像重建

所有患者的图像均采用ASIR及DLIR两种方法重建，其中ASIR采用ASIR 30％、ASIR 50％、ASIR 70％ 和ASIR 90％ 四种混合重建方式，DLIR采用DL-L、DL-M、DL-H 三种重建方式。重建层厚0.625 mm，重建模式为STAND，窗宽350 HU，窗位50 HU，每例患者共7组不同重建图像。

1.3   图像质量评价

1.3.1   客观评价

所有患者的图像传输至随机工作站，在肝脏（ROI1）、胰腺（ROI2）和竖脊肌（ROI3）上手动勾画大小约100 mm²的兴趣区，尽量避开大的血管、病灶和器官边缘，分别在3个不同层面上测量各ROI的CT 值和SD值，取平均值。利用公式计算各ROI的SNR值，肝脏-竖脊肌、胰腺-竖脊肌CNR值。

SNR=兴趣区CT值/SD值，

CNR=（兴趣区CT值 - 竖脊肌CT值）/竖脊肌SD值^[10]。

1.3.2   主观评价

由两位放射科医师对上述重建图像进行主观评估，按肝、胆、胰、脾、肾等上腹部结构显示的清晰程度、细腻度和图像提供的诊断信息对图像质量进行5级评分（表1）。采用李克特5分法^[11]对图像噪声进行评价，5-不可接受图像噪声，4-高于平均噪声，3-平均噪声，2-低于平均噪声，1-完全可接受图像噪声。

表  1  图像主观评价5级评分标准

Table  1.  5-level scoring standard for subjective image evaluation

评分	评分细节
5分	肝脏、胰腺等上腹部组织结构显示非常清晰，图像细腻，能提供充分的诊断信息
4分	肝脏、胰腺等上腹部组织结构显示较为清晰，图像较细腻，能提供足够的诊断信息
3分	肝脏、胰腺等上腹部组织结构显示欠清晰，图像欠细腻，能提供一定的诊断信息
2分	肝脏、胰腺等上腹部组织结构显示模糊，图像粗糙，图像提供的诊断信息不足
1分	肝脏、胰腺等上腹部组织结构无法清晰显示，伪影重，图像不清，不能提供诊断信息

下载: 导出CSV 

| 显示表格

1.4   统计学方法

采用SPSS 25.0软件，7组重建算法间CT值、SD值、SNR、CNR的比较采用单因素方差分析（One Way ANOVA）；图像质量主观评分、噪声评分采用Friedman M检验；检验水准α 为0.05（双侧），P＜0.05为差异有统计学意义。采用Kappa检验评价两名放射医师对图像主观评分的一致性。当Kappa值在0.8～1.0之间时，一致性很好；0.61～0.8，一致性较好；0.41～0.6，一致性中等；0.21～0.4，一致性一般；0～0.2，一致性较差。

2.   结果

2.1   图像CT值和SD值

七组重建图像间，图像CT值间的差异无统计学意义。SD值的差异具有统计学意义；在各ROI处，三种DLIR算法间，SD值依次降低，除在ROI3处，DL-L与DL-M无差异；算法ASIR 30％、ASIR 50％、ASIR 70％、ASIR 90％ 间，SD值逐渐降低，在ROI3处，ASIR 70％ 与ASIR 90％ 无差异；DL-H算法除与ASIR 90％ 的SD值无差异外，明显低于其余5组重建算法，差异有统计学意义（表2）。

表  2  七组重建图像的CT值、SD值分析

Table  2.  Analysis of CT value and SD value of seven groups of reconstructed images

算法	CT值/HU				SD值/HU
	ROI1	ROI2	ROI3		ROI1	ROI2	ROI3
DL-L	60.65±8.64	44.63±7.45	49.43±8.70		14.05±4.21	15.38±4.73	15.25±5.57
DL-M	61.24±9.62	44.33±7.46	49.46±8.67		11.38±3.27	12.81±3.94	12.68±4.97
DL-H	60.64±8.43	44.33±7.27	49.48±8.66		8.41±2.15	9.53±3.16	9.90±4.54
ASIR 30％	60.58±8.80	44.50±7.68	49.46±8.55		17.70±5.25	19.34±5.54	18.79±6.26
ASIR 50％	60.65±8.81	44.29±7.48	49.45±8.60		14.69±4.33	16.14±4.95	15.77±5.46
ASIR 70％	60.59±8.96	44.32±7.28	49.51±8.66		11.86±4.43	13.07±4.24	12.85±4.92
ASIR 90％	60.75±8.70	44.29±7.53	49.55±8.88		8.74±2.83	10.1±3.57	10.27±4.70
P	>0.05	>0.05	>0.05		<0.05	<0.05	<0.05

下载: 导出CSV 

| 显示表格

2.2   图像SNR值和CNR值

SNR值在7组图像间差异具有统计学意义；3种DLIR算法间随等级升高，信噪比升高，差异有统计学意义。ASIR 70％ 在ROI2处，与ASIR 90％ 差异有统计学意义，与其余5种重建算法无统计学差异。DL-H算法的SNR值高于DL-L、DL-M、ASIR 30％、ASIR 50％、ASIR 70％，差异有统计学意义。

各组肝脏CNR值具有统计学差异，3种深度学习重建算法间肝脏CNR值无差异；ASIR 30％ 肝CNR值低于DL-H、ASIR 90％，差异有统计学差异。各组胰腺CNR值无统计学差异（表3）。

表  3  七组重建图像的SNR值、CNR值分析

Table  3.  Analysis of SNR and CNR values of seven groups of reconstructed images

算法	SNR				CNR
	ROI1	ROI2	ROI3		ROI1	ROI2
DL-L	4.67±1.53	3.18±1.05	3.67±1.30		0.71±0.70	-0.41±0.52
DL-M	5.80±1.91	3.80±1.28	4.47±1.64		0.90±0.89	-0.53±0.64
DL-H	7.66±2.30	5.11±1.64	5.85±2.17		1.07±1.03	-0.70±0.80
ASIR 30％	3.71±1.28	2.51±0.86	2.94±1.03		0.58±0.58	-0.33±0.42
ASIR 50％	4.49±1.58	3.02±1.04	3.54±1.29		0.70±0.67	-0.42±0.51
ASIR 70％	5.67±2.09	4.47±1.76	4.42±1.67		0.84±0.86	-0.22±0.63
ASIR 90％	7.70±2.94	4.96±1.83	5.79±2.48		1.09±1.05	-0.72±0.84
P	<0.05	<0.05	<0.05		<0.05	>0.05

下载: 导出CSV 

| 显示表格

两两比较发现，DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 间各ROI处所有参数无差异。

2.3   主观评分及一致性评价

两位放射医师主观评分一致性较好（k=0.565～0.817），DLIR算法随等级增加，图像噪声降低，图像质量提高；DL-H重建图像整体质量最佳，噪声最低。ASIR随权重增加，噪声降低；算法DL-H、DL-M、ASIR 90％、DL-L、ASIR 70％、ASIR 50％、ASIR 30％ 图像噪声依次增加。客观评价指标DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 无差异，但DLIR组的图像质量评分高于ASIR组，噪声低于ASIR组（表4、图1和图2）。

表  4  图像质量主观评分分析

Table  4.  Image quality subjective scoring analysis

评分内容	评分者	DL-L	DL-M	DL-H	ASIR 30％	ASIR 50％	ASIR 70％	ASIR 90％
质量	Reader 1	4.41±0.59	4.79±0.41	4.97±0.16	3.57±0.68	3.89±0.68	4.42±0.57	4.71±0.45
	Reader 2	4.30±0.56	4.84±0.36	4.96±0.19	3.53±0.57	3.87±0.61	4.36±0.48	4.75±0.43
噪声	Reader 1	2.21±0.57	1.18±0.39	1.01±0.11	3.79±0.41	3.37±0.56	2.66±0.55	1.83±0.50
	Reader 2	2.18±0.51	1.11±0.31	1.05±0.22	3.91±0.29	3.18±0.39	2.36±0.55	1.68±0.46

下载: 导出CSV 

| 显示表格

图  1  上腹部7组重建图像

（a）～（g）依次是算法DL-L、DL-M、DL-H、ASIR 30％、ASIR 50％、ASIR 70％、ASIR 90％。

Figure  1.  7 groups of reconstructed images of upper abdomen

下载: 全尺寸图片 幻灯片

图  2  上腹部7组重建图像局部放大图

（a）～（g）依次是算法DL-L、DL-M、DL-H、ASIR 30％、ASIR 50％、ASIR 70％、ASIR 90％。

Figure  2.  Partial enlarged view of 7 groups of reconstructed images of upper abdomen

下载: 全尺寸图片 幻灯片

3.   讨论

本研究结果表明7组重建算法的图像CT值无明显统计学差异，DL-H算法的图像噪声低于ASIR、图像质量高于ASIR，且DL-H算法在7组重建算法中图像噪声最低、SNR值最高、图像质量最佳，能够满足上腹部诊断需求。虽然客观评价指标显示DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 无差异，但DLIR主观评分明显优于ASIR，图像细腻程度更高。这可能与算法本身有关，ASIR利用滤波反投影得到的图像信息作为重建图像的初始输入，使用矩阵代数将每个像素的测量值转换为新估计值，再将该像素值与噪声模型预测的理想值进行比较，在连续的迭代步骤中重复该过程，直到最终的估计像素值和理想像素值最终收敛为止^[11-12]。而DLIR直接采用原始数据生成图像，基于DL的TrueFidelity^TM算法，是业界首个还原原始图像的深度学习CT影像重建算法，它通过持续学习接近理想条件（高剂量、完整的采样轨迹和高分辨率的图像矩阵）下获得的高清真实影像数据，不断对图像进行优化，重建输出与标准图像较小差异的图像^[11]。

图像主观噪声随着ASIR权重的升高持续改善，虽然ASIR 90％ 的图像信噪比高于其他3种权重的迭代重建，但较高权重的迭代重建图像具有蜡质样伪影而不利于病变诊断^[13-14]，有研究显示^[15]，权重在60％～70％ 是其最佳状态；本研究中ASIR 90％ 的主观评分较高，蜡质伪影不明显，可能是由于采用的常规剂量扫描。3种DLIR算法间，不存在类似情况，保持临床诊断性能的前提下，随着等级升高，噪声依次降低、SNR升高，图像质量提高^[14]。

近年来，随着人工智能在医疗领域的应用发展，涌现了大量基于深度学习的影像重建算法的研究^[16-19]，致力于突破医学影像“过度平滑”的技术瓶颈，还原真实影像数据，进一步优化、提升医学影像图像质量。随着CT在临床的广泛应用，放射医师一直致力于保持图像质量的同时降低辐射剂量，DLIR算法表现出了极大的剂量潜力^[20-22]。Noda等^[20]发现与混合迭代重建（hybrid iterative reconstruction）相比，用DLIR重建的低剂量CT（low-dose CT，LDCT）图像可使辐射剂量减少75％ 以上，同时保持图像质量和病变检测率以及优越的SNR。

本研究所有的上腹部图像均采用常规管电压120 kV，未考虑DL算法在低于常规管电压条件下对图像质量的影响，以及在临床实践的应用，未来将进一步探讨DL算法对上腹部低剂量图像质量提高的优势应用。本研究中样本量较小，总共纳入病例数75例，有待进一步扩大样本量，使研究结果更具可靠性和说服力。

综上所述，通过DL算法重建图像能够有效降低上腹部CT图像的噪声，提高图像质量，且随DL等级升高，噪声依次降低，图像质量依次提高，DL-H图像噪声最低，图像质量最佳。